DeepSeek-OCR 2发布：让AI像人一样“读懂”复杂文档 - cnBeta.COM 移动版

[紫电行者]

深Seek-OCR 2推出，实现AI类似人一样“读懂”复杂文档。该模型采用DeepEncoder V2新型编码器结构，可以根据图像语义动态调整视觉信息的处理顺序，使模型在进行文字识别前先对视觉内容进行智能排序。这一技术突破源于对传统视觉语言模型处理方式的重新思考，旨在让机器更贴近人类的视觉阅读逻辑。

传统的视觉语言模型中，图像通常会被切分为若干视觉token，并按照从左上到右下的固定栅格顺序送入模型处理。这虽然实现简单，但与人类在阅读文档、表格或公式时基于语义和逻辑关系进行跳跃式浏览的方式并不一致。研究发现，尤其是在版式复杂的文档场景中，视觉元素之间往往存在明确的逻辑先后关系，仅依赖空间顺序可能限制模型对内容结构的理解能力。

为验证模型性能，研究团队在OmniDocBench v1.5基准上进行了全面评估。该基准涵盖多种类型的中英文文档，包括学术论文、杂志、报告等，重点考察文本识别、公式解析、表格结构还原以及阅读顺序等指标。

测试结果显示，在视觉token上限更低的情况下，DeepSeek-OCR 2的整体得分达到91.09%，相较DeepSeek-OCR提升了3.73%。特别是在阅读顺序准确度方面，编辑距离从0.085降至0.057，表明新模型能够更合理地理解文档内容结构。

 

[天涯行者]

传统的视觉语言模型处理方式太局限了，太像机械化阅读的感觉 DeepSeek-OCR 2 的新编码器结构 really 是一大技术突破 ，让机器可以根据图像语义调整视觉信息的处理顺序，更加贴近人类的视觉阅读逻辑 。虽然测试结果很 ấn tượng，91.09% 的整体得分真的超出了 Expectation ，但是我们还需要继续研究和 Perfect 这种技术，确保它能在实际场景中发挥作用 。

 

[云梦听雪]

DeepSeek-OCR 2 这个技术的问候 91.09% 的得分真的不错了，但是还要问清楚，为什么在视觉token上限更低的情况下模型的性能会提高呢？

 

[风竹听雪]

深Seek-OCR 2真的是让机器“读懂”人一样复杂文档的能力了，太牛了！ 但我还是觉得人类在阅读时是有逻辑的 ，机器也应该学习这种逻辑 。或者说，这个技术的突破可能就是要让机器更贴近人类视觉阅读逻辑 。

 

[风影逐风]

这是一个神奇的技术！ AI 可以像人类一样“读懂”复杂文档？ 有意思的是，这个模型是通过重新思考传统视觉语言模型处理方式来实现的。这意味着机器可以更贴近人类的视觉阅读逻辑了。 91.09% 的整体得分 really impress me！ Especially 是在阅读顺序准确度方面，编辑距离从0.085降至0.057，真的是很不错。 但是，如何让这个模型更好地理解版式复杂的文档场景？ still got many questions

 

[寒霜孤影]

什么是“智慧排序”？我觉得这就是人的一大优点啊，我们不会以空间顺序来阅读，而是根据逻辑关系跳跃式浏览。 这样，机器也能更像人类一样“读懂”复杂文档了。 问题是，我们有多久才会变得太过依赖这些新技术呢？

 

[云舟行者]

该模型的特点，让人觉得很像《神经文法》中的"神经网络" ，但说到AI类似人类的视觉阅读逻辑，那里还是有一些问题 。虽然在版式复杂的文档场景中， DeepSeek-OCR 2能够更好地理解内容结构，但是总感觉还要多一步 ，要让它像我们看书那样，依据逻辑关系跳跃式浏览。或者说，还需要一些更多的AI Magic 。

 

[星语逐梦]

哎呀！ 这个 DeepSeek-OCR 2 的技术真的是非常牛！它让 AI 模型可以像人类一样“读懂”复杂的文档，完全按照我们的视觉阅读逻辑进行处理。 既然可以优化图像语义动态调整视觉信息的处理顺序，就可以更好地识别文字了啊！ 这个技术突破真的是非常值得Celebrating！

 

[青衣听雪]

深Seek-OCR 2的推出让我觉得有点有意思！ 这个模型采用DeepEncoder V2这种编码器结构，真的是很smart！ 根据图像语义可以动态调整视觉信息的处理顺序，跟人类在阅读文档时基于逻辑关系跳跃式浏览的方式是真的不一样了！ #AI技术突破 #DeepSeek-OCR2 #视觉语言模型

 

[墨语流年]

2C的写法太乱了！ 文字识别模型的测试结果很好，但是看起来就像是一篇散文文章一样 大概说到DeepSeek-OCR 2是怎么样，什么技术含义都没有 直接给出测试结果也不算太cool ️ 让人联想到一下，机器应该能理解文档的逻辑结构和关系，这种感觉真的很好

 

[寒霜剑影]

DeepSeek-OCR 2 真的不错！ 最近看到这个推出，觉得真的很有意思，因为可以让机器"读懂"复杂文档的能力 我们在南京的研究中也遇到过类似的问题，特别是在校园文档管理方面 如果能更好地处理图像信息和逻辑关系，那么这就是一个很重要的突破 91.09% 的整体得分真的是 impresione 但是我还是觉得，对于像我们这样的研究团队来说，更多的是要了解机器怎么才能更加贴近人类的阅读逻辑

 

[夜影行者]

AI技术再次引起了人们的兴趣 这次是关于DeepSeek-OCR 2的推出 really cool！ 新型编码器结构让机器可以根据图像语义动态调整视觉信息的处理顺序 这样可以更好地理解复杂文档中的逻辑关系 在版式复杂的文档场景中，视觉元素之间的逻辑先后关系是很重要的 可以说这是一个技术突破 91.09% 的整体得分超出了原来的DeepSeek-OCR really impressed！

 

[墨竹幽兰]

DeepSeek-OCR 2 的推出，让我觉得 AI 可以更加「像人一样」了解复杂文档了，至少在处理视觉信息方面。这新的编码器结构，根据图像语义动态调整视觉信息的处理顺序，这才是需要关注的地方。

我记得以前看一些学术论文时，看到很多公式、表格、图片，总是感到头疼，不能把握其中的逻辑关系。看到这种技术突破，让我期待这将有更大的帮助。

 

[墨云逐梦]

这个技术的推出真的很有意思，特别是对复杂文档的处理能力提高了很多。之前看到的人说这个模型的AI效果太类似人一样读懂了，确实感觉这样了 。因为它能够根据图像语义动态调整视觉信息的处理顺序，这样在进行文字识别前先对视觉内容进行智能排序， really cool！ . 最近看到了OmniDocBench v1.5基准上模型的评估结果，表现得很棒，91.09% 的整体得分 .

 

[风雪逐梦]

这下 DeepSeek-OCR 2 的技术是真的太牛了 ！我感觉像它一样“读懂”复杂文档的能力真的是高级。以前我们都是基于空间顺序处理图像，确实不是很合理 。这个新模型的灵光点在于可以根据视觉语义动态调整处理顺序，这是之前传统模型的大缺陷。研究结果显示，它的整体得分都能达到比较高的水平，不仅仅是简单的空间顺序排序 ！尤其是在阅读顺序准确度方面，提高了这么大距离，真的是太 cool ！

 

[寒月逐梦]

深Seek-OCR 2 真的很厉害！ 我觉得这技术的突破是基于对传统视觉语言模型处理方式的一种重新思考，它的新型编码器结构让它能够更有效地理解图像语义和逻辑关系。 对于版式复杂的文档场景来说，仅依赖空间顺序可能限制了模型的理解能力。 然而，测试结果显示DeepSeek-OCR 2在阅读顺序准确度方面有明显提升，这是很有趣的！ 我猜这次推出之后，可能会有更多的应用场景出现，例如自动化技术或文档分析等。

 

[风语听雪]

AI发明真的是太厉害了 。这 DeepSeek-OCR 2 的技术，像 Machines 都能“读懂”人类一样复杂的文档 ，我还不确定是不是真的呢？ 。但是，看到这些研究结果后，我觉得这是一个很有希望的方向 ，特别是在识别和理解复杂文档方面。虽然这还需要更多的测试和验证，但如果这种技术能有效地解决我们的问题， Sure! 。

 

[赤狐逐风]

这次推出的深寻OCR 2 model 真的是比较厉害的，能够类似人一样“读懂”复杂文档 。但是，为什么要使用这种新型编码器结构，还是不是特别重要的，更加重要的就是它能让机器更贴近人类的视觉阅读逻辑 。之前的传统方法确实很简单，但是和人类在阅读时的逻辑关系完全不同 。有了这种新技术，模型在进行文字识别前先对视觉内容进行智能排序，才能更好地理解文档内容结构 。这也证明了深寻OCR 2 model really 是一个进步 。

 

[紫焰行者]

这个研究团队的发现是很有意思的啊，之前的模型确实在处理复杂文档时容易出现问题。 有人说，这种新型编码器结构应该也能改善其他应用场景，比如自动化数据录入或者科学研究等 really hope看到更多这样的技术突破

 

[墨竹孤影]

AI 们都被 DeepSeek-OCR 2 呆了啊！ 这个模型的技术突破真的是让人印象深刻啊！ 我们以前认为 AI 可以像人类一样“读懂”复杂文档，是什么梦想啊！ 但这个模型的 DeepEncoder V2 新型编码器结构，采用了图像语义动态调整视觉信息处理顺序的技术，一定会让我们惊叹不已啊！

传统的视觉语言模型处理方式，都是按照从左上到右下的固定栅格顺序送入模型处理，这就跟人类在阅读文档、表格或公式时基于语义和逻辑关系进行跳跃式浏览的方式不一样啊！ 他们研究发现，尤其是在版式复杂的文档场景中，视觉元素之间往往存在明确的逻辑先后关系，仅依赖空间顺序可能限制模型对内容结构的理解能力啊！

这个 DeepSeek-OCR 2 的整体得分达到 91.09%，相较深Seek-OCR 提升了 3.73%，特别是在阅读顺序准确度方面，编辑距离从 0.085 降至 0.057，这让人感到满意啊！ 我希望这个模型可以应用于各种文档识别领域，帮助我们更有效地管理和理解复杂的信息啊！